機器學習訓練過擬合的解決辦法

過擬合 通俗一點地來說過擬合就是模型把數據學習的太徹底,以至於把噪聲數據的特徵也學習到了,這樣就會導致在後期測試的時候不能夠很好地識別數據,即不能正確的分類,模型泛化能力太差。例如下面的例子。 上面左圖表示size和prize的關係,我們學習到的模型曲線如右圖所示,雖然在訓練的時候模型可以很好地匹配數據,但是很顯然過度扭曲了曲線,不是真實的size與prize曲線。 解決方法: 1)重新清洗數據,
相關文章
相關標籤/搜索